Search

The purpose of this article is to develop a model for an access control policy and to formulate a method for creating a model of information security threat scenarios in industrial control system (ICS). The results of developing an access control policy model based on role assignment are presented. This model encompasses the information assets derived from the analysis of technological processes ˗ access objects that are vital for the functioning of the industrial network. In addition to that a specific and refined list of personnel access subjects ˗ responsible for maintaining production technological processes within the ICS context is provided. Furthermore, a hierarchy of user roles has been constructed, wherein the role of a super user, possessing all privileges, has been excluded, and an access differentiation matrix has been developed. The model can be utilized in the development of a customized access differentiation policy within the scope of administrative policies of information security. The article formulates a way for EPC-modelling of scenarios depicting the implementation of information security threats. These scenarios outline the stages of complex multi-component attacks targeting the objects of the ICS. It depicts situations where cybercriminals infiltrate the external subnet ˗ the enterprise network ˗ and subsequently penetrate the internal industrial network, violating access management policies. An example illustrating the construction of a threat scenario targeting an OPC-server based on EPC-model is provided. This example delineates the tactics and techniques employed by cybercriminals, leading to the realization of a security incident from the Threats Data Bank. The method for constructing scenarios enables the visual representation of the sequence of actions undertaken by attacker. This sequence involves the exploitation of vulnerabilities and techniques, as well as the resultant events that influence the progression of the attack. SIEM (Security Information and Event Management) can be constructed to detect sequences of events identified using EPC-modeling. Therefore, the developed scenarios will contribute to timely detection and appropriate response during the early stages of cyberattack implementation.

The paper analyzes the features of the experimental evaluation of the single event effects (SEE) cross section dependence on linear energy transfer (LET) for ions with energies above 100 MeV/nucleon. Ion energy degraders use in order to change the values of the LET. The paper presents calculations of LET spectrum at different thicknesses of a polycarbonate degrader for iron ions with energies of 100...450 MeV/nucleon as an example. It is proposed to evaluate the LET values in packaged electronic devices with an unknown physical and chemical composition with help of the modified technique used at the ion accelerator at Brookhaven National Laboratory in the USA. An additional technique with preliminary studies on X-ray of packaged electronic is proposed to estimate the mass thickness of the protective layers in integrated circuit. In order to reduce the influence of infamous factors, it is proposed to thin the package based on the results of the analysis of X-ray images. The proposed approach makes it possible to correctly determine the dependence of the SEE cross sections on the LET of both packaged and decapsulated integrated circuits for SEE under high-energy ions. The obtained results are supposed to be used at the specialized ISKRA station, which is part of the NICA nuclotron complex at JINR, Dubna. The presented results make it possible to assess the upset and failure hardness of electronic information systems to the effects of ions of artificial and natural origin.

This study explores the prevalent issue of non-compliance with information security policies (ISPs) within organizations, offering a way by which organizations can monitor non-compliance of ISPs using a practical suggested approach. By crowdsourcing artificial intelligence (AI) driven algorithms from a well-known and popular public site and applying the Design Science Research (DSR) approach, this work offers a way that organizations can monitor non-compliance in real-time with the proposed AI-driven algorithm prompting behavior that fosters better compliance. The research integrates principles embedded in the Theory of Planned Behavior (TPB) into two algorithms, with results showing that algorithm 2, which applies a binary classification model, generates prompts that are more efficient in eliciting desired compliance than algorithm 1. The study's practical significance lies in the crowdsourcing appeal, where readily available and cost-effective resources may reach ordinary organizations. The study contributes to the field by exploring AI-driven algorithms, crowdsourcing and addressing user attitudes, subjective norms, and perceived behavioral control challenges. The study concludes by acknowledging limitations, proposing future research directions, and highlighting its valuable contribution to understanding and addressing non-compliant behavior.

The article develops a functional model of unauthorized access (UA) protection mechanisms at information infrastructure objects (IIOs). It defines the content of protection measures, techniques used, and stages of their implementation. It substantiates the order of execution of individual functional components of the structural representation of the objective function "Protection of information of IIOs from UA". The sequence of implementation of these components is illustrated as a change in the states of the Markov process for constructing such a model. A table is provided of the correspondence between the list of procedures performed by an intruder in the process of implementing an UA threat to information of an IIOs and the procedures for protecting information, and it demonstrates the possibility of transition from the description of information protection measures from UA at IIOs in terms of functional modeling to the mathematical representation of the time characteristics of the functional components of the objective function of protection. The corresponding analytical expressions are provided for various options for representing the order of the functional components performed.

Problem description. One of the areas of digital transformation of Russian society is the development and implementation of the National Digital Ruble System (DR) in the credit and financial sphere (CFS) of the economy of the Russian Federation. The National DR system should be based on the information technology infrastructure (ITI) for ensuring information security (IS). In fact, the ITI for ensuring IS is a trust infrastructure (ITIT) based on the public key infrastructure (PKI). ITIT should have a number of functional properties, including identification and authenti­cation of objects and subjects of electronic financial transactions, protection of the integrity and confidentiality of data and the electronic financial transactions themselves, implementation of the principle of non-repudiation of the parties to information interaction. At the same time, the absence of ITIT in the National DR System can completely discredit the very idea of digitalization of the CFS, associated with the absence of any guarantees of reliability and trust in the National DR System, based on the implementation of the entire range of methods and means of cryptographic protection of information (electronic financial transactions), including systems for managing cryptographic keys. The absence of comprehensive protection of the National DR System will entail risks and problems in ensuring IS, which can negatively affect individuals, groups, organizations, sectors of the economy and society as a whole. Goals. To propose and analyze a heuristic model of DR and a model of functional and structural ITIT, which solves the main problems of ensuring IS of the National DR System, associated primarily with confirmation of the authenticity and ownership of DR, as well as the protection of electronic payment transactions and the possibility of withdrawing (withdrawing from circulation) DR immediately (on-line) after detection of its compromise. Results. The article presents a heuristic (hypothetical) model of C₽ and describes the DR format (as an information object) that includes cryptographically linked information blocks and public key certificates issued by accredited certification authorities using electronic signatures. A functional and structural model of the ITIT of the National DR System is proposed. The composition, main elements of the ITIT structure, as well as their goals and implemented functions are described. The results of the analysis of trust assurance based on the PKI of the Bank of Russia (BR) are presented. Practical significance. The heuristic (hypothetical) model of DR, the functional and structural model of the ITIT of the National DR System and the results of the analysis of trust assurance based on the PKI of the BR are of great practical significance in the development and implementation of the National DR System in the CFS of the Russian Federation economy. Conclusions. The results obtained will increase the level of security and trust in the National DR System of the citizens, businesses and credit and financial institutions.

Computer systems (CS) security has become a very critical concern that needs the attention of researchers to ensure the information protection and cyber security. This article provides an overview of the state of the art in cyber security, challenges, and global trends of CS security. A promising direction in solving information security problems is the use of stochastic methods based on the use of pseudo-random number generators (PRNG), the result of which is the introduction of unpredictability into the operation of CS and their elements. Examples of using stochastic methods for protection and attack are considered. Examples of information security technologies based on the use of PRNG in the development of software and hardware are given. Attention is drawn to the emergence of new mechanisms for carrying out attacks on CS based on code reuse and, accordingly, new methods of protection against such attacks. The idea of creating a stochastic computer is substantiated, and presented the possible strategies and approaches.

In the process of developing and operating navigation systems, it is very important to reliably assess the accuracy of determining spatial characteristics. A methodology has been developed for assessing and confirming the accuracy of determining spatial characteristics by various software and hardware systems, such as coordinates, velocity, and orientation. The basis was taken from the foreign standard ASTM E3064-16, which describes coordinates and orientation accuracy confirmation of optical tracking systems. The developed approach is based on assessing the accuracy of measuring a certain fixed length (rod) in different positions and orientations. The speed accuracy assessment is based on the coordinate accuracy assessment and is based on the use of linear regression to calculate the speed. The error in determining the orientation angle in space is also calculated based on the coordinate measurement error and is given for small angles. The applicability limits of the described methodology are given. The technique makes it possible to assess the accuracy and reliability of navigation and measuring systems.

The article identifies the main problems associated with the inconsistency and incoordination of such concepts as “information protection”, “information security”, “security of information”, “cybersecurity” and “cyber resilience”, which has led to the absence of a unified system currently accepted by the professional community concepts of the subject area under consideration. To overcome this flaw, it is proposed to build a basic system of concepts for the “security of objects in the information sphere (ISF)” subject area, based on taking into account the characteristics of objects (which using information technologies and processing information), using the ISF concept (as a collection of space of such objects and the environment of their interaction) and on the asset concept (part of an object that has a certain value), which can be main and auxiliary. Taking into account these initial data, the selected subject area is compared with three separate systems of concepts: “ensuring the security of information of objects in the ISF”, “ensuring the resilience of objects in the ISF” and “ensuring the information and psychological security of a person as an object’s asset in the ISF”. A description of the proposed systems of concepts is given, which can be attributed to the development of a methodological basis for ensuring the objects’ security. These conceptual systems have minimal overlap with each other and correspond to three separate areas of practical and scientific activity that require professionals with unique professional competencies. The results of the work have practical significance for the educational field in the formation of students' modern, methodologically sound conceptual base.

The article is devoted to the problem of identifying deviant groups studying in educational institutions. The article substantiates the relevance of this problem. Recent incidents and possible reasons for their occurrence are analysed. The system for preventive detection of deviant groups of teenagers is offered. Categories of deviant groups of adolescents are identified: potential shooters; potential bullies; potential students capable of laying hands on themselves. It is suggested to measure anxiety and aggressiveness in adolescents in order to detect deviation of adolescents. The ways of measuring anxiety and aggressiveness are considered. It is suggested to use profiling as an objective method of assessment. Profiling by school psychologists is rather difficult to implement due to their limited number in educational institutions. To automate the process and exclude the subjective factor, it is suggested to use online profiling. Within the framework of online profiling, the objects of research are the pages of social networks used by students. Criteria for determining anxiety and aggressiveness based on information from social network pages are proposed. A toolkit for partial automation of the process of data collection from the pages of social networks of students of educational institutions is proposed. The use of the method of clustering k-means clustering method to identify deviant groups of students. An example of detection of teenagers with deviations using specially generated synthetic data is given.

Visualization onboarding supports users in reading, interpreting, and extracting information from visual data representations. General-purpose onboarding tools and libraries are applicable for explaining a wide range of graphical user interfaces but cannot handle specific visualization requirements. This paper describes a first step towards developing an onboarding library called VisAhoi, which is easy to integrate, extend, semi-automate, reuse, and customize. VisAhoi supports the creation of onboarding elements for different visualization types and datasets. We demonstrate how to extract and describe onboarding instructions using three well-known high-level descriptive visualization grammars — Vega-Lite, Plotly.js, and ECharts. We show the applicability of our library by performing two usage scenarios that describe the integration of VisAhoi into a VA tool for the analysis of high-throughput screening (HTS) data and, second, into a Flourish template to provide an authoring tool for data journalists for a treemap visualization. We provide a supplementary website (https://datavisyn.github.io/visAhoi/) that demonstrates the applicability of VisAhoi to various visualizations, including a bar chart, a horizon graph, a change matrix/heatmap, a scatterplot, and a treemap visualization.

Keandalan operasi transformator sangat tergantung pada kondisi isolasi yang baik. Penelitian ini bertujuan untuk menganalisis tahanan isolasi dan mengestimasi umur transformator dengan menggunakan metode Health Index di PT PLN (Persero) UPT Cawang. Metode Health Index ini mengintegrasikan berbagai parameter kondisi transformator, termasuk hasil pengukuran tahanan isolasi, pengujian minyak isolasi, dan parameter operasional lainnya, untuk memberikan gambaran komprehensif tentang kondisi kesehatan transformator. Data diperoleh dari pengujian lapangan dan laboratorium yang dilakukan secara periodik. Hasil analisis menunjukkan bahwa beberapa transformator memiliki nilai tahanan isolasi yang mendekati batas minimal yang direkomendasikan, mengindikasikan adanya penurunan kualitas isolasi. Estimasi umur transformator dilakukan berdasarkan nilai Health Index yang dihitung, dengan mempertimbangkan degradasi material isolasi dan kondisi operasional transformator. Transformator dengan nilai Health Index yang rendah diidentifikasi memiliki risiko tinggi terhadap kegagalan operasional dan memerlukan tindakan pemeliharaan atau penggantian segera. Studi ini memberikan wawasan penting bagi manajemen pemeliharaan di PT PLN (Persero) UPT Cawang untuk meningkatkan keandalan dan efisiensi operasi transformator. Implementasi metode Health Index terbukti efektif dalam memprediksi umur sisa transformator dan merencanakan strategi pemeliharaan preventif. Dengan demikian, dapat diharapkan peningkatan kontinuitas layanan penyaluran energi listrik dan pengurangan risiko gangguan operasional. Kata kunci: Estimasi Umur, Health Index, Pemeliharaan Preventif, Tahanan Isolasi, Transformator.

Jasa ekspedisi di Indonesia mengalami pertumbuhan yang mengesankan seiring perkembangan e-commerce yang tak tertahankan. Kebutuhan akan jasa ekspedisi tidak terelakkan mendukung perkembangan masyarakat yang menempatkan e-commerce sebagai gaya hidup. Banyaknya pilihan dan tawaran jasa ekspedisi, sering membuat masyarakat lebih selektif dalam memilih jasa ekspedisi yang tepat. Tujuan penelitian adalah menghasilkan bobot kriteria terbaik berdasarkan preferensi pengguna dan menentukan urutan jasa ekspedisi terbaik yang bisa dipilih untuk melakukan pengiriman produk. Sistem dibangun menggunakan algoritma Weighted Product (WP) untuk menganalisis kriteria, melakukan perhitungan, dan merangking alternatif jasa ekspedisi. Pengumpulan data dilakukan melalui survei online, wawancara, dan pengumpulan data dari berbagai perusahaan ekspedisi. Sistem dirancang untuk mengakomodasi preferensi pengguna dengan memberikan bobot pada setiap kriteria sesuai dengan kepentingannya. Hasil dari uji sistem menunjukkan bahwa algoritma Weighted Product (WP) mampu memberikan rekomendasi yang akurat dan efisien untuk jasa ekspedisi terbaik, dengan peringkat tertinggi: JNT dengan nilai bobot V sebesar 0,215, diikuti oleh Shopee Express: 0,213, JNE dengan nilai 0,195, SiCepat: 0,186, dan Anteraja: 0,191. Dengan adanya sistem ini, konsumen dapat membuat keputusan yang lebih informatif dan mengurangi risiko kesalahan dalam memilih jasa ekspedisi. Diharapkan penelitian ini dapat dikembangkan lebih lanjut dan memberikan solusi yang bermanfaat bagi konsumen maupun pelaku usaha. Kata kunci: Jasa Ekspedisi, Sistem Rekomendasi, Weighted Product

Salah satu cara untuk memperoleh perawat yang kompeten adalah dengan melakukan proses seleksi dengan sangat baik dan tepat, proses penerimaan perawata sangat sensitif karena perawat yang diterima harus memenuhi kriteria serta kebutuhan unit kerja dari rumah sakit Penelitian sistem pendukung keputusan di Rumah Sakit Petukangan ini dilakukan dengan tujuan memberikan rekomendasi serta alternatif dalam penerimaan perawat baru di Rumah Sakit Petukangan, agar dapat meminimalisir kesalahan serta meningkatkan efisiensi rekrutmen Dalam penelitian ini metode sistem pendukung keputusan yang digunakan adalah metode SAW, WP dan MOORA, dari metode tersebut dilakukan pengujian dan pencarian nilai akurasi menggunakan Confusion Matrix untuk mencari metode paling tinggi akurasinya Metode WP dan MOORA memiliki nilai akurais yang sama yaitu 93%, sedangkan metode SAW memperoleh nilai akurasi 87%. Dengan pengujian yang telah dilakukan dan nilai akurasi yang sangat tinggi, penelitian ini sangat layak dijadikan sebagai alternatif dalam proses penerimaan perawat baru di Rumah Sakit Petukangan yang lebih efisien dan efektif. Kata kunci: Sistem Pendukung Keputusan, SAW, WP, MOORA

Chicken and duck eggs are highly nutritious food products that are popular among the Indonesian community. However, their perishable nature leads to a decline in quality if not further processed. The salting process is a simple preservation method that can also enhance the flavor of salted egg products. To produce salted egg products with high organoleptic quality preference, a combination of Analytical Hierarchy Process (AHP) and Simple Additive Weighting (SAW) is implemented as a quality decision-making method based on: (1) the experts viewpoints on the importance level of organoleptic criteria, and (2) the scores of organoleptic tests for the criteria of texture, taste, and appearance. In this study, chicken and duck eggs were processed into salted eggs using a salting mixture made of a blend of scouring ash and table salt with a mass ratio of 5:4 and 5:6, resulting in product combinations coded as CE-5/4, CE-5/6, DE-5/4, and DE-5/6. Data processing results on the importance level from the experts viewpoints using the AHP method resulted that the criteria for texture, taste, and aroma had final priority weights of 0.244, 0.617, and 0.139, respectively. Final decision-making using the SAW method indicated that the highest to lowest final preference scores were obtained by products CE-5/4, DE-5/4, DE-5/6, and CE-5/6, with the final preference scores of 0.979, 0.963, 0.931, and 0.906, respectively. The results demonstrated that AHP and SAW were successfully implemented to assist in making decisions regarding the quality of salted egg products based on their organoleptic characteristics. Keywords: salted egg, organoleptic, decision-making, AHP, SAW

Dalam dunia komputasi awan yang semakin berkembang, ancaman serangan Distributed Denial of Service (DDoS) menjadi isu yang sangat krusial. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan model prediksi serangan DDoS menggunakan algoritma Random Forest dan analisis perilaku jaringan. Dataset CICIDS2017 digunakan sebagai sumber data utama untuk melatih dan menguji model prediksi yang dikembangkan. Pemilihan algoritma Random Forest didasarkan pada kemampuannya yang tinggi dalam menangani data besar dan kompleks serta kemampuannya dalam mengenali pola anomali yang sering menjadi indikasi serangan siber. Hasil pengujian menunjukkan bahwa model ini mencapai akurasi yang signifikan dengan precision sebesar 97,8%, recall sebesar 98,2%, dan F1-score sebesar 98,0%. Analisis perilaku jaringan yang diterapkan, melibatkan fitur-fitur dinamis seperti waktu antar paket (Inter-Arrival Time/IAT), ukuran rata-rata segmen, dan jumlah paket per detik, yang terbukti efektif dalam meningkatkan kemampuan deteksi model. Implementasi model dalam lingkungan komputasi awan menunjukkan bahwa metode ini dapat diintegrasikan dengan sistem deteksi intrusi (Intrusion Detection Systems/IDS) yang sudah ada untuk memberikan lapisan perlindungan tambahan terhadap serangan DDoS. Berdasarkan hasil yang diperoleh, penelitian ini merekomendasikan penggunaan kombinasi algoritma Random Forest dan analisis perilaku jaringan sebagai solusi yang efektif untuk mendeteksi serangan DDoS dalam lingkungan komputasi awan. Penelitian lanjutan disarankan untuk mengembangkan dan menguji model dengan dataset yang lebih beragam serta mengoptimalkan algoritma untuk meningkatkan performa deteksi. Kata kunci: Random Forest, DDoS, Cloud Computing

Kemajuan teknologi membuat berita mudah ditemukan pada media online. Jumlah artikel berita yang tersedia semakin banyak dengan teks yang cukup panjang. Hal ini akan menyulitkan pembaca berita dalam mencari inti informasi dari berita sehingga diperlukan ringkasan teks untuk membantu pengguna memahami inti dari suatu teks tanpa perlu membaca seluruhnya. Metode yang digunakan untuk peringkasan teks yaitu Maximum Marginal Relevance (MMR) dengan menggabungkan dua faktor pemilihan, yaitu relevansi dan keragaman. Sering ditemukan saat ini bahwa judul berita dalam artikel online belum sepenuhnya mewakili isi berita atau disebut clickbait, untuk menghindari judul yang kurang sesuai, pada penelitian ini peringkasan didasarkan pada kata kunci yang dihasilkan dengan metode Latent Dirichlet Allocation (LDA). Hasil uji coba dengan 2500 data artikel berita menghasilkan nilai rata-rata ROUGE-1 terbaik sebesar 0.488 untuk tingkat kompresi 50% dan 0.462 untuk tingkat kompresi 30%. Nilai ROUGE-1 terendah yaitu 0.453 untuk tingkat kompresi 50% dan 0.435 untuk tingkat kompresi 30%. Hasil tersebut menunjukkan bahwa sistem dapat menghasilkan ringkasan yang cukup relevan dengan menggunakan kata kunci yang diekstrak dari konten berita. Advances in technology make news easy to find on online media. The number of news articles available is increasing with a fairly long text. This will make it difficult for news readers to find the core information from the news so that a text summary is needed to help users understand the essence of a text without the need to read it all. The method used for text summarization is Maximum Marginal Relevance (MMR) by combining two selection factors, namely relevance and diversity. It is often found today that news titles in online articles do not fully represent the content of the news or called clickbait, to avoid inappropriate titles, in this study the summary is based on keywords generated by the Latent Dirichlet Allocation (LDA) method. The test results with 2500 news article data produced the best average ROUGE-1 value of 0.488 for a compression level of 50% and 0.462 for a compression level of 30%. The lowest ROUGE-1 value is 0.453 for a compression level of 50% and 0.435 for a compression level of 30%. These results show that the system can produce quite relevant summaries using keywords extracted from news content.

Data Terpadu Kesejahteraan Sosial (DTKS) bertujuan untuk memahami data mengenai individu dan keluarga miskin atau kurang beruntung sehingga pemerintah dapat menetapkan kebijakan sosial yang tepat. Namun data di DTKS seringkali tidak akurat dan banyak mengandung duplikat. Untuk mengatasi permasalahan tersebut, penelitian ini menggunakan teknik analisis data eksploratif (EDA) dan visualisasi data dengan bantuan Google Colaboratory. Penelitian ini menggunakan data DKI Jakarta yang berjumlah 1,04 juta orang. Kami menganalisis berbagai faktor seperti usia, menerima atau tidaknya tunjangan kesejahteraan, latar belakang pendidikan, dan status pekerjaan. Hasilnya menunjukkan Jakarta Timur memiliki jumlah penduduk miskin dan pengangguran terbanyak. Rendahnya tingkat pendidikan merupakan salah satu penyebab utama kemiskinan, dimana mayoritas penduduk hanya mengenyam pendidikan sekolah dasar atau sederajat. Selain itu, Jakarta Timur juga menjadi wilayah dengan jumlah penerima Kartu Indonesia Pintar (KIP) terbanyak. Kesimpulan penelitian ini adalah bahwa program dan kampanye kesadaran tentang pentingnya pendidikan dan keterampilan kejuruan perlu diperkuat untuk mengurangi kemiskinan dan pengangguran. Kata kunci: Exploratory Data Analysis, EDA, DTKS, Visualisasi

Pemilihan rumah sakit untuk layanan medis merupakan faktor penting dalam menyediakan pelayanan kesehatan. Namun kenyataannya masayarakat sering mengalami kesulitan dalam menentukan rumah sakit terbaik. Penentuan rangking Rumah Sakit sangat penting karena dapat berpengaruh dalam kinerja yang diberikan dalam setiap rumah sakit. Tujuan penelitian ini adalah untuk menghasilkan kriteria dan urutan Rumah Sakit terbaik yang ada di Kota Kediri. Dalam hal itu peneliti membuat sistem yang merekomendasikan rumah sakit terbaik untuk membentu masyarakat dalam menilai rumah sakit tersebut. Sistem ini menggunakan algoritma TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) untuk menganalisa kriteria, melakukan perhitungan, dan merangking alternatif rumah sakit. Pengumpulan data dilakukan melalui survei online dengan cara kuesioner. Hasil dari perhitungan yang dilakukan secara manual dengan menggunakan Google Spreadsheet dan perhitungan sistem menghasilkan hasil akhir dengan nilai yang akurat. Dari hasil perhitungan Rumah Sakit terbaik yang mendapatkan peringkat tertinggi adalah RSUD Gambiran dengan nilai (0,764930) diikuti RS Bhayangkara dengan nilai (0,658203) kemudian RSUD Baptis dengan nilai (0,650173) lalu RS Muhammadiyah dengan nilai (0,620741) dan urutan terakhir RS Kilisuci dengan nilai (0,235069). Kata kunci: Rumah Sakit, Sistem Pendukung Keputusan, TOPSIS

Penelitian ini menggunakan COBIT 2019 sebagai kerangka kerja untuk mengevaluasi tata kelola TI pada PT. Pundi Mas Berjaya (Jova Software) Medan. Penelitian ini dimulai dengan melakukan identifikasi domain menggunakan design factor. Dari hasil identifikasi terdapat 3 domain yang perlu dilakukan evaluasi, yakni BAI.04, BAI.11, dan APO.11. Tahap selanjutnya adalah dengan melakukan penilaian level kapabilitas yang dimulai dengan menyebarkan kuesioner kepada kepala divisi TI perusahaan, dimana data hasil kuesioner digunakan untuk menilai level kapabilitas dengan hasil BAI.04 berada di level kapabilitas 4, BAI.11 berada di level kapabilitas 3, dan APO.11 berada di level kapabilitas 2. Selanjutnya dilakukan analisis kesenjangan berdasarkan hasil penilaian level kapabilitas. Didapati kesenjangan untuk BAI.04 sebesar 0, BAI.11 sebesar 1, dan APO.11 sebesar 2. Pemberian rekomendasi berdasarkan analisis kesenjangan, diberikan sebanyak 13 rekomendasi untuk mengatasi kesenjangan yang terjadi saat ini. Kata kunci: Evaluasi tata kelola TI, COBIT 2019, Design factor, Level kapabilitas, Analisis Kesenjangan

Aplikasi web interaktif untuk pembelajaran anak usia dini tentang pengenalan hewan merupakan alat edukatif yang penting, dirancang untuk membantu anak-anak mengenali berbagai jenis hewan melalui gambar dan deskripsi hewan yang disediakan. Model Convolutional Neural Network (CNN) digunakan untuk mengklasifikasikan gambar hewan yang diunggah oleh pengguna. Metode yang digunakan melibatkan pengolahan gambar menggunakan CNN untuk mengidentifikasi jenis hewan berdasarkan gambar yang diberikan, kemudian hasil identifikasi ditampilkan dalam antarmuka web yang interaktif. Hasil pengujian menunjukkan bahwa model CNN mencapai akurasi sebesar 59.93% dan presisi sebesar 59.92%. Namun, model mengalami masalah overfitting, yang terlihat dari performa yang lebih tinggi pada data pelatihan dibandingkan dengan data validasi, menunjukkan bahwa model terlalu mempelajari detail dan noise pada data pelatihan sehingga kurang mampu menggeneralisasi pola pada data baru. Oleh karena itu, diperlukan optimasi lebih lanjut seperti augmentasi data, regulasi model dan peningkatan jumlah data pelatihan untuk meningkatkan performa model dan mengurangi efek overfitting. Pengujian akurasi pengenalan gambar hewan pada aplikasi web ini dilakukan menggunakan dataset gambar hewan yang baru sebanyak 10 data gambar untuk masing-masing kelas, dengan nilai akurasi rata-rata untuk semua kelas hewan sebesar 54.67%. Dari 15 kelas hewan, nilai akurasi tertinggi diperoleh oleh kelas Zebra dengan nilai akurasi 90%, sedangkan kelas hewan Laba-Laba dan Kucing menjadi kelas hewan dengan nilai akurasi terendah sebesar 20%. Kata kunci: Convolutional Neural Network (CNN), Aplikasi web interaktif, Pengenalan hewan, Klasifikasi gambar.

Penelitian ini bertujuan untuk memperoleh desain antar simpang bersinyal yang terkoordinasi secara optimal sehingga dapat mengurangi tundaaan kendaraan yang terjadi. Metode yang digunakan adalah dengan memodelkan simpang dan melakukan mikrosimulasi berbasis software VISSIM. Pembuatan model melalui proses kalibrasi dan validasi dengan melakukan pengubahan pada parameter-parameter perilaku pengemudi agar diperoleh model yang mendekati keadaan lapangan. Studi kasus penelitian ini yaitu pada dua simpang yang ada di Jalan Ahmad Yani Kota Pekanbaru. Hasil pembuatan model dengan software VISSIM yang digunakan untuk proses simulasi menunjukkan model dapat diterima dengan sangat baik dengan hasil uji nilai GEH sebesar 0,9 dan MAPE sebesar 5,72%. Dari hasil simulasi model kondisi eksisting menunjukkan bahwa rata-rata tundaan kendaraan di kedua simpang pada Jalan Ahmad Yani sebesar 35,98 detik dengan tingkat pelayanan D (kurang baik). Desain simpang bersinyal terkoordinasi yang optimal diperoleh dengan menerapkan waktu siklus menjadi 100 detik. Berdasarkan hasil simulasi model, desain simpang bersinyal terkoordinasi ini dapat menurunkan rata-rata tundaan kendaraan di Jalan Ahmad Yani menjadi 24,83 detik dengan tingkat pelayanan meningkat menjadi C (cukup baik). Kata kunci: simpang bersinyal terkoordinasi, VISSIM, tundaan kendaraan, tingkat pelayanan

Paru-paru merupakan organ vital dalam tubuh manusia. Paru-paru mengangkut oksigen ke dalam tubuh dan mengeluarkan karbondioksida keluar dari tubuh. Proses pertukaran oksigen dan karbon dioksida ini membuat paru-paru rentan terjangkit oleh virus, bakteri dan jamur. Paru-paru dapat terjangkit berbagai jenis penyakit seperti pneumonia, tuberkulosis, kanker, ataupun covid-19. Dalam proses diagnosa penyakit tersebut, seringkali terjadi perbedaan diagnosa antar dokter. Melalui tantangan tersebut, diperlukan sistem pembelajaran mesin yang dapat menjadi pihak ketiga untuk melakukan klasifikasi kondisi. Salah satu metode modern yang dapat digunakan yaitu Metode deep learning. Convolutional Neural Network adalah salah satu dari banyaknya metode deep learning dan CNN telah terbukti menghasilkan akurasi yang tinggi dalam memproses gambar. Banyaknya penelitian yang telah menggunakan metode CNN dalam mengolah citra sinar-X paru menjadi dorongan untuk mencari gap dengan menggunakan metode SLR (Systematic Literature Review). Diagram PRISMA juga digunakan dalam memilih dan mendokumentasikan 93 paper yang relevan hingga menghasilkan 22 paper yang sesuai dengan lingkup penelitian yang menggunakan subjek sinar-X paru dan menggunakan metode deep learning CNN. Hasil yang diperoleh adalah informasi terkait dataset yang digunakan, hanya 1 dari 22 paper yang menggunakan data primer, sisanya adalah data sekunder. Selain itu, transfer learning menjadi pilihan terpopuler dalam mengembangkan sistem klasifikasi paru. Kata kunci: Deep Learning, Paru-paru, Sinar-X, SLR, PRISMA

Indonesia memiliki potensi pariwisata sangat besar, salah satunya di provinsi Bali. Tetapi masih terdapat permasalahan sektor pariwisata seperti, informasi tempat wisata masih minim, sulit membandingkan jasa pramuwisata, dan testimoni pengguna yang kurang. Pernyataan ini disampaikan langsung oleh wisatawan dan pramuwisata, bilamana dibiarkan permasalahan ini dapat menimbulkan rasa skeptis. Maka dalam penelitian ini melakukan perancangan prototipe high fidelity aplikasi Go on Vacation yang mana bertujuan sebagai solusi permasalahan pramuwisata dan wisatawan. Rancangan aplikasi menggunakan metode User Centered Design (UCD), dimana terdapat empat tahapan yaitu, understand context of use, specify user requirements, design solutions, dan evaluation against requirements. Untuk menguji prototipe aplikasi menggunakan usability testing dengan tiga buah aspek, yaitu efektivitas, efisiensi dan kepuasan pengguna. Hasil pengujian pada rancang prototipe aplikasi Go on Vacation menghasilkan persentase completion rate efektivitas sebesar 100%. Efisiensi dengan overall relative efficiency menghasilkan persentase rata-rata sebesar 100% dan kepuasan pengguna pengguna dengan menggunakan USE Questionnaire, menghasilkan persentase 89,08% untuk antarmuka pramuwisata dan 94,52% dari sisi antarmuka wisatawan. Kata Kunci: Prototipe, Pariwisata, UCD

Penelitian ini bertujuan untuk mengembangkan perhitungan jejak karbon berbasis aplikasi pada kendaraan dan peralatan listrik untuk memahami emisi gas rumah kaca. Analisis yang dilakukan meliputi penghitungan GWP gas rumah kaca, faktor emisi, dan konversi energi. Saran yang mungkin diberikan antara lain meningkatkan akurasi perhitungan emisi, mengintegrasikan data konsumsi bahan bakar dan listrik, serta meningkatkan akurasi perhitungan emisi karbon. Batasan KarbonDioksida(CO2), metana(CH4), dan dinitrogen oksida(N2O) di udara berdampak negatif jika melebihi batas peraturan. Emisi karbon dari aktivitas manusia berkontribusi terhadap pemanasan global dan perubahan iklim. Sistem ini dirancang dan diimplementasikan untuk menghitung emisi karbon dari kendaraan dan peralatan listrik, serta memberikan informasi mengenai konsentrasi emisi dan riwayat penghitungan. Analisis emisi karbon dari kendaraan dan peralatan rumah tangga dilakukan untuk memprediksi GWP (Potensi Pemanasan Global). Tujuan analisis ini adalah untuk mengidentifikasi dan mengurangi emisi Gas Rumah Kaca, sehingga dapat mengurangi dampak pemanasan Global. Metode penelitian ini menggunakan algoritma yang menghitung emisi CO2, CH4, dan N2O berdasarkan penggunaan kendaraan dan peralatan listrik pada rumah tangga. Penelitian ini sangat penting agar dapat memahami faktor yang mempengaruhi terhadap emisi karbon dan meningkatkan kesadaran tentang pentingnya perlindungan lingkungan. Kata kunci: Gas Rumah Kaca, GWP, Perubahan Iklim, Emisi Karbon

Aplikasi Gojek, sebagai salah satu aplikasi ride-hailing terkemuka di Indonesia, menghadapi tantangan berkelanjutan dalam mempertahankan dan meningkatkan kualitas layanan serta kepuasan pengguna. Penelitian ini bertujuan mengevaluasi performa aplikasi Gojek melalui analisis sentimen dari 200.000 ulasan pengguna yang dikumpulkan dari platform aplikasi selama periode 2021-2024, menggunakan metode Support Vector Machine (SVM). Fokus penelitian meliputi aspek layanan, keamanan, promosi, dan masalah teknis. Metode SVM dipilih karena kemampuannya dalam menangani klasifikasi dengan dataset kompleks. Data ulasan pengguna, yang ditulis dalam bahasa Indonesia, diolah dengan teknik pemrosesan teks dan fitur ekstraksi FastText, yang dikenal cepat dan akurat. Praproses data melibatkan tokenisasi, penghapusan stopword, dan teknik preprocessing lainnya. Kinerja model diukur dengan akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa FastText menawarkan waktu pelatihan cepat dengan akurasi kompetitif, sementara SVM unggul dalam presisi dan recall. Penerapan SVM dengan pembagian data 80:20 mencapai akurasi 91% dalam mengklasifikasikan sentimen pengguna. Temuan ini memberikan wawasan penting untuk pengembangan dan evaluasi aplikasi berbasis ulasan pengguna.

Penyakit kulit merupakan masalah kesehatan umum di Indonesia, terutama di Papua, yang mempengaruhi berbagai kelompok usia. Meskipun sebagian besar penyakit kulit tidak mengancam jiwa, mereka dapat berdampak signifikan pada kualitas hidup pasien dan menimbulkan biaya pengobatan yang tinggi. Mendiagnosis penyakit kulit biasanya memerlukan pemeriksaan fisik dan klinis oleh dokter kulit, namun jumlah spesialis yang terbatas menimbulkan tantangan. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan penyakit kulit menggunakan Computer Vision dan Convolutional Neural Networks (CNN) untuk membantu diagnosis dini. Sistem ini dikembangkan sebagai aplikasi web menggunakan HTML, CSS, dan Python. Aplikasi ini diuji di Puskesmas Nimbokrang pada dataset penyakit kulit umum, menunjukkan akurasi sebesar 83,09% pada pelatihan dan 84% pada validasi. Hasil pengujian dengan confusion matrix menunjukkan akurasi sebesar 89%. Hasil ini menunjukkan potensi aplikasi praktis dalam meningkatkan layanan kesehatan.

Jawa Tengah memiliki beragam tempat wisata yang menarik untuk dijelajahi, namun keterbatasan waktu dan terbatasnya sumber informasi membuat sulit untuk memberikan informasi yang tepat. Selain itu, pengelola objek wisata kesulitan memberikan informasi yang tepat kepada pengunjung. Tujuan dari penelitian ini adalah memasukkan neural network ke dalam aplikasi chatbot objek wisata Jawa Tengah untuk meningkatkan kemampuannya dalam memahami dan bereaksi secara tepat terhadap pertanyaan pengguna. Teknik AI Project Cycle yang dipadukan dengan pendekatan Natural Language Processing (NLP) berfungsi sebagai tahap preprocessing pada pengolahan kata. Penelitian ini menghasilkan akurasi sebesar 99,92% dan loss sebesar 0%. Program chatbot ini bertujuan untuk memberikan kemudahan akses informasi tempat wisata di Jawa Tengah kepada pengguna.

Customer churn adalah kecenderungan pelanggan berhenti dan berpindah layanan dalam periode tertentu. Ini merupakan masalah utama dalam industri telekomunikasi karena mempengaruhi keuntungan perusahaan. Mempertahankan pelanggan lebih mudah dibandingkan mendapatkan pelanggan baru. Memprediksi churn membantu sektor CRM dalam merancang strategi retensi. Tingkat churn yang tinggi dapat menurunkan pendapatan dan mengganggu stabilitas bisnis. Berdasarkan studi, tingkat churn tahunan di industri telekomunikasi berkisar antara 15% hingga 30%. Data mining, yang memanfaatkan teknik pembelajaran mesin, digunakan untuk menganalisis dan mengekstraksi pengetahuan dari data. Penelitian ini bertujuan untuk membandingkan performa dua algoritma yaitu Random Forest dan Gradient Boosting. Hasil yang didapatkan menggunakan splitting data 80:20 menunjukkan bahwa klasifikasi lebih unggul menggunakan metode Gradient Boosting dibandingkan metode Random Forest dilihat dari tingkat akurasi dan nilai ROC AUC. Metode Gradient Boosting mendapatkan nilai akurasi dan ROC AUC sebesar 83% dan 0.89, Sedangkan metode Random Forest mampu menghasilkan nilai akurasi dan ROC AUC sebesar 81% dan 0.87. Kata kunci: Churn, Gradient Boosting, Klasifikasi, Random Forest, Telco

Penelitian ini mengeksplorasi penerapan arsitektur deep learning berbasis transformer untuk mengidentifikasi emosi dari ulasan pelanggan e-commerce berbahasa Indonesia. Menggunakan dataset yang terdiri dari 5.400 ulasan pelanggan, model ini dirancang untuk mengklasifikasikan lima kategori emosi: Happy, Sadness, Anger, Love, dan Fear. Hasil analisis menunjukkan kecenderungan pelanggan untuk berbagi pengalaman positif dengan dominasi emosi Happy dalam ulasan. Model Transformer berhasil mencapai akurasi klasifikasi keseluruhan sebesar 77,2%, dengan efisiensi waktu pelatihan yang optimal sekitar 90 detik. Evaluasi performa menggunakan confusion matrix dan metrik presisi, recall, dan F1-score memberikan wawasan tentang keefektifan model dalam membedakan emosi kompleks. Temuan ini merefleksikan potensi pemanfaatan teknologi deep learning dalam meningkatkan pemahaman terhadap perilaku pelanggan dan mendukung pengembangan strategi bisnis yang responsif. Kata kunci: Transformer, Ulasan Pelanggan, Klasifikasi Emosi

Sistem conveyor scale berdasarkan bobot produk dan menerapkan IoT telah dikembangkan. Sistem ini menggunakan sensor loadcell Hx711, photoelectric, motor listrik, PLC, HMI, dan sistem pneumatik. Terdapat 22 produk dengan bobot berbeda yang telah diuji. Nilai batas bawah dan atas bobot ditetapkan sebesar 0.8 kg dan 1.2 kg pada menu preset. Hasil menunjukkan ada 20 produk yang sesuai dengan pengaturan bobot dengan total bobot 21.46 kg. Lalu, ada dua produk yang tidak lolos dengan total bobot sebesar 1.45 kg dengan rata – rata sebesar 0.72 kg. Selama proses produksi, data yang dikumpulkan melalui sistem ini ditampilkan melalui laman website dengan menggunakan protokol MQTT. Sistem ini diterapkan pada CV Javamas Agropos. Kata kunci: PLC, HMI, MQTT, Hx711, conveyor scale

Human Immunodeficiency Virus (HIV) merupakan virus yang dapat memicu kerusakan pada sistem kekebalan tubuh manusia, menyebabkan infeksi pada orang yang terkena serta dapat mengurangi sistem kekebalan tubuh dan jika tidak segera disembuhkan akan terjangkit penyakit lain yang disebut dengan Acquired Immuno Deficiency Syndrom (AIDS). Kebutuhan obat ARV bagi ODHA mempengaruhi kebutuhan stok obat yang harus dipasok pemerintah ke Kabupaten/Kota. Dinas Kesehatan Provinsi bertanggung jawab atas perencanaan kebutuhan obat dari pemerintah Kabupaten/Kota, serta penerimaan permintaan obat, penyimpanan, pendistribusian, pencatatan dan pelaporan mutasi obat. Tujuan dari penelitian ini ialah untuk memahami bagaimana rangkaian proses pada supplier, dan penyimpanan obat agar obat tidak mengalami kekosongan atau kelebihan stok dengan menganalisis Rantai Pasok dan melakukan peramalan pada metode Double Exponential Smoothing yang didapatkan hasil presentase error terkecil pada obat Tenofovir dengan nilai MAPE 14,7%. Kata kunci: Stok obat, HIV ARV, Rantai pasok, Double Exponential Smoothing

Abstract The nature of data obtainable from the commercial smartphone – bolstered by a translational model emphasizing the impact of social and physical zeitgebers on circadian rhythms and mood – offers the possibility of scalable and objective vital signs for major depression. Our objective was to explore associations between passively sensed behavioral smartphone data and repeatedly measured depressive symptoms to suggest which features could eventually lead towards vital signs for depression. We collected continuous behavioral data and bi-weekly depressive symptoms (PHQ-8) from 131 psychiatric outpatients with a lifetime DSM-5 diagnosis of depression and/or anxiety over a 16-week period. Using linear mixed-effects models, we related depressive symptoms to concurrent passively sensed behavioral summary features (mean and variability of sleep, activity, and social engagement metrics), considering both between- and within-person associations. Individuals with more variable wake-up times across the study reported higher depressive symptoms relative to individuals with less variable wake-up times (B [95% CI] = 1.53 [0.13, 2.93]). On a given week, having a lower step count (−0.16 [−0.32, −0.01]), slower walking rate (−1.46 [−2.60, −0.32]), lower normalized location entropy (−3.01 [−5.51, −0.52]), more time at home (0.05 [0.00, 0.10]), and lower distances traveled (−0.97 [−1.72, −0.22]), relative to one’s own typical levels, were each associated with higher depressive symptoms. With replication in larger samples and a clear understanding of how these components are best combined, a behavioral composite measure of depression could potentially offer the kinds of vital signs for psychiatric medicine that have proven invaluable to assessment and decision-making in physical medicine. Clinical Trials Registration: The data that form the basis of this report were collected as part of clinical trial number NCT03152864.

Abstract Some of the most notable human behavioral palimpsests result from warfare and its durable traces in the form of defensive architecture and strategic infrastructure. For premodern periods, this architecture is often understudied at the large scale, resulting in a lack of appreciation for the enormity of the costs and impacts of military spending over the course of human history. In this article, we compare the information gleaned from the study of the fortified cities of the Early Historic period of the Indian subcontinent (c. 3rd century BCE to 4th century CE) with the precolonial medieval era (9-17th centuries CE). Utilizing in-depth archaeological and historical studies along with local sightings and citizen-science blogs to create a comprehensive data set and map series in a “big-data” approach that makes use of heterogeneous data sets and presence-absence criteria, we discuss how the architecture of warfare shifted from an emphasis on urban defense in the Early Historic period to an emphasis on territorial offense and defense in the medieval period. Many medieval fortifications are known from only local reports and have minimal identifying information but can still be studied in the aggregate using a least-shared denominator approach to quantification and mapping.

Abstract Subway button detection is paramount for passenger safety, yet the occurrence of inadvertent touches poses operational threats. Camera-based detection is indispensable for identifying touch occurrences, ascertaining person identity, and implementing scientific measures. Existing methods suffer from inaccuracies due to the small size of buttons, complex environments, and challenges such as occlusion. We present YOLOv8-DETR-P2-DCNv2-Dynamic-NWD-DA, which enhances occlusion awareness, reduces redundant annotations, and improves contextual feature extraction. The model integrates the RTDETRDecoder, P2 small target detection layer, DCNv2-Dynamic algorithm, and the NWD loss function for multiscale feature extraction. Dataset augmentation and the GAN algorithm refine the model, aligning feature distributions and enhancing precision by 6.5%, 5%, and 5.8% in precision, recall, and mAP50, respectively. These advancements denote significant improvements in key performance indicators.

Abstract In recent years computational methods for molecular modeling have become a prime focus of computational biology and cheminformatics. Many dedicated systems exist for modeling specific classes of molecules such as proteins or small drug-like ligands. These are often heavily tailored toward the automated generation of molecular structures based on some meta-input by the user and are not intended for expert-driven structure assembly. Dedicated manual or semi-automated assembly software tools exist for a variety of molecule classes but are limited in the scope of structures they can produce. In this work we present BuildAMol, a highly flexible and extendable, general-purpose fragment-based molecular assembly toolkit. Written in Python and featuring a well-documented, user-friendly API, BuildAMol empowers researchers with a framework for detailed manual or semi-automated construction of diverse molecular models. Unlike specialized software, BuildAMol caters to a broad range of applications. We demonstrate its versatility across various use cases, encompassing generating metal complexes or the modeling of dendrimers or integrated into a drug discovery pipeline. By providing a robust foundation for expert-driven model building, BuildAMol holds promise as a valuable tool for the continuous integration and advancement of powerful deep learning techniques. Scientific contribution BuildAMol introduces a cutting-edge framework for molecular modeling that seamlessly blends versatility with user-friendly accessibility. This innovative toolkit integrates modeling, modification, optimization, and visualization functions within a unified API, and facilitates collaboration with other cheminformatics libraries. BuildAMol, with its shallow learning curve, serves as a versatile tool for various molecular applications while also laying the groundwork for the development of specialized software tools, contributing to the progress of molecular research and innovation.

Abstract Ion Mobility coupled with Mass Spectrometry (IM-MS) is a promising analytical technique that enhances molecular characterization by measuring collision cross-section (CCS) values, which are indicative of the molecular size and shape. However, the effective application of CCS values in structural analysis is still constrained by the limited availability of experimental data, necessitating the development of accurate machine learning (ML) models for in silico predictions. In this study, we evaluated state-of-the-art Graph Neural Networks (GNNs), trained to predict CCS values using the largest publicly available dataset to date. Although our results confirm the high accuracy of these models within chemical spaces similar to their training environments, their performance significantly declines when applied to structurally novel regions. This discrepancy raises concerns about the reliability of in silico CCS predictions and underscores the need for releasing further publicly available CCS datasets. To mitigate this, we introduce Mol2CCS which demonstrates how generalization can be partially improved by extending models to account for additional features such as molecular fingerprints, descriptors, and the molecule types. Lastly, we also show how confidence models can support by enhancing the reliability of the CCS estimates. Scientific contribution We have benchmarked state-of-the-art graph neural networks for predicting collision cross section. Our work highlights the accuracy of these models when trained and predicted in similar chemical spaces, but also how their accuracy drops when evaluated in structurally novel regions. Lastly, we conclude by presenting potential approaches to mitigate this issue.

Insurance fraud has been a constant presence in the realm of insurance. However, as strategies and methods for committing insurance fraud have evolved, the frequency and volume of such fraudulent activities have also increased. An example of this is vehicle insurance fraud, which involves collaborating to fabricate false or exaggerated claims related to property damage or personal injuries resulting from an accident. Machine learning techniques seems to be more beneficial and great way to address the fraud in the insurance industry. This paper comprehensively examines existing research through a systematic literature review. This review aims to identify previously attempted approaches and evaluate which machine learning algorithm is best suited for this specific problem. This paper proposes a methodology for identifying fraudulent insurance claims. This approach can significantly improve efficiency and cost savings for insurance companies in handling such cases. The most popular traditional machine learning algorithms used to identify insurance fraud in the auto industry were found to be support vector machine, logistic regression, and random forest.

Saat ini pemerintah terus mendorong masyarakat untuk memanfaatkan EBT di Indonesia untuk mencapai target bauran sebanyak 23 % di tahun 2025. Pada penelitian ini dilakukan perancangan PLTS atap on-grid pada salah satu industri yang bergerak di bidang pengolahan bahan pangan hewani. PLTS digunakan untuk melayani beban penerangan dengan standar kelayakan mengikuti panduan EBTKE ESDM (SNI 8395:2017) dan sistem instalasi pemasangan berdasarkan PUIL 2011. Berdasarkan hasil perancangan digunakanlah modul surya jenis monocrystalline 410 Wp sebanyak 108 unit dan satu unit inverter 40 kW yang menghasilkan energi sebesar 63.032,58 kWh/tahun dan pengurangan emisi gas karbon dioksida (CO2) sebanyak 78.790,725 ton/tahun. Hasil kelayakan ekonomi dengan investasi awal Rp. 548.890.000, menghasilkan NPV Rp. 72.019.012, BCR 1,11, dan payback period pada tahun ke-18. Hasil tersebut menunjukkan bahwa PLTS dapat melayani beban penerangan dan melakukan penghematan energi listrik sebesar penggunaan beban penerangan harian di industri.

Robotika telah menjadi kebutuhan primer di bidang industri. Perkembangannya sangat cepat, bahkan saat ini fokus utama di bidang teknologi merupakan bidang robotika. Dalam pengembangannya, robot membutuhkan sebuah kontrol agar mampu dimanfaatkan dengan baik yang disebut sebagai sistem kendali. Penelitian ini bertujuan untuk membuktikan implementasi sistem kendali fuzzy dengan metode citra digital. Aplikasi yang dimanfaatkan pada penelitian ini adalah software Webots dengan robot e-puck, sehingga penelitian ini berfokus dengan simulasi. Sistem kendali fuzzy dengan metode citra digital terbukti mampu digunakan sebagai kontrol robot secara efisien pada dua skema jalur, A dan B. Hasil penelitian menunjukkan robot berhasil melewati kedua jalur dengan modus error 0. Selain itu, robot menghasilkan rata-rata nilai error sebesar -11,54 piksel dan -3,11 piksel pada masing-masing jalur. Hal ini menunjukkan error yang relatif kecil dan performa robot sangat baik.

Perencanaan fire alarm dan pemadam kebakaran pada Gedung Dekanat 7 lantai Universitas Tidar Mertoyudan dilakukan karena terdapat risiko kebakaran yang upaya penanggulangannya sulit dilakukan. Dalam menyelesaikan perencanaan ini memerlukan beberapa tahapan yang mencakup studi literatur, pengumpulan data dan pengolahan data. Berdasarkan hasil perhitungan yang telah dilakukan dapat disimpulkan bahwa sesuai SNI 03-3985-2000 membutuhkan detektor asap 82 unit, sesuai SNI 03-3989-2000 membutuhkan sprinkler 129 unit, volume air yang dibutuhkan 232 m3, Ground Water Tank (GWT) berkapasitas 300 m3, daya pompa yang dibutuhkan yaitu daya pompa elektrik 36 kW, pompa jockey 3,6 kW, dan pompa diesel 140 HP. Perhitungan perencanaan fire alarm dan pemadam kebakaran ini telah sesuai dengan peraturan dan standar diharapkan dapat meningkatkan keselamatan penghuni serta melindungi aset-aset berharga.

Pertumbuhan konsumsi energi listrik mengakibatkan beban pada transformator mengalami peningkatan dan memungkinkan terjadinya kelebihan beban, ketidakseimbangan beban serta potensi rugi daya. Hal ini bisa mengakibatkan kerusakan pada trafo akibat panas yang berlebih, menimbulkan arus netral, mengurangi umur serta keandalan trafo. Agar transformator tetap berfungsi dengan baik, PLN menetapkan standar beban transformator distribusi tidak boleh melebihi 80%. Tujuan penelitian ini untuk mengukur pembebanan transformator distribusi TBL05-34 200 kVA di Ronggowarsito dan menganalisis karakteristik ketidakseimbangan beban yang menimbulkan potensi kerugian daya. Penelitian dimulai dengan mengumpulkan data arus, tegangan, resistansi netral, serta fluktuasi beban subjek trafo di PT. PLN UP3 Semarang. Selanjutnya dilakukan perhitungan pembebanan transformator, ketidakseimbangan beban, dan kerugian daya pada transformator TBL05-34. Hasilnya menunjukkan ketidakseimbangan beban 7,22% saat siang dan 5,59% saat malam. Hal ini masih dikategorikan baik sesuai standar IEEE std 446-1995 berkisar 5% - 20%. Kerugian daya disebabkan arus mengalir melalui netral transformator saat siang 0,877 kW dengan 0,5%, sedangkan malam hari 0,564 kW dengan 0,3%. Pembebanan transformator saat siang masih normal 56,68%, sedangkan malam hari 81,87% merupakan posisi siaga.

Permasalahan pada saluran udara tegangan tinggi (SUTT) 150 kV adalah peningkatan arus yang menyebabkan jatuh tegangan dan rugi-rugi daya pada saluran. Solusinya adalah melakukan evaluasi pada saluran transmisi berdasarkan SPLN No. 72 tahun 1987 dengan batas toleransi tegangan +5% dan -10%. Untuk itu diperlukan perhitungan untuk menentukan seberapa besar jatuh tegangan dan kerugian daya yang terjadi. Penelitian ini membahas tentang jatuh tegangan dan rugi daya pada SUTT 150 kV. Model ditentukan sebagai single line diagram SUTT 150 kV dengan parameter yang ditetapkan adalah: tegangan sistem, arus, spesifikasi konduktor dan panjang saluran. Simulasi pengolahan data dari perhitungan menggunakan ETAP. Obyek penelitian adalah SUTT 150 kV Pekalongan-Comal. Hasil penelitian menunjukkan bahwa ETAP mampu digunakan untuk menyimulasikan rugi-rugi daya dan jatuh tegangan pada SUTT 150 KV. Dari hasil penelitian ini didapat rugi-rugi daya pada perhitungan manual sebesar 744,6 kW, sementara itu dari hasil simulasi ETAP 19.0.1 sebesar 644,34 kW. Jatuh tegangan pada perhitungan manual sebesar 1,04 % dan hasil simulasi sebesar 1,64 %. Dalam kasus ini jatuh tegangan masih dalam ambang batas SPLN yaitu kurang dari 10%.

AC merupakan alat yang relatif boros energi listrik. Pemborosan penggunaan daya listrik karena penggunaan AC salah satunya terjadi di ruang Tata Usaha UPT BLK Kulon Progo. Sering kali ditemui AC menyala saat kondisi ruangan tidak ada orang. Berdasarkan masalah tersebut perlu dibuat alat yang dapat mendeteksi ada atau tidak orang di dalam ruangan kemudian menyalakan dan mematikan AC secara otomatis. Alat juga dibuat dapat menyalakan atau mematikan AC dari jarak jauh menggunakan teknologi berbasis IoT. Metode yang digunakan pada penelitian ini adalah analisis kebutuhan bahan, perancangan hardware dan software, dan tahap pengujian alat. Rancang bangun hardware menggunakan ESP32, Sensor PIR, Sensor DHT11, IR transmitter dan software menggunakan Arduino IDE dan aplikasi Blynk IoT. Hasil rancang bangun alat yang dibuat dapat berfungsi dengan baik untuk menyalakan dan mematikan AC di ruang Tata Usaha UPT BLK. Penghematan penggunaan energi listrik yang diperoleh adalah 18,75% dan penurunan durasi nyala AC adalah 19,42% dibandingkan dengan sebelum penambahan alat.

Permasalahan pada sistem kelistrikan gedung RSIGM adalah nilai faktor daya yang kecil pada Sub Distribution Panel (SDP) Penerangan, disebabkan oleh ballast lampu LED. Dampaknya adalah pemborosan energi dan meningkatnya tagihan listrik. Solusinya adalah perbaikan faktor daya sesuai standar dengan menggunakan capacitor bank. Penelitian ini bertujuan mengetahui perbaikan faktor daya sesuai standar PLN dengan menentukan single line diagram kelistrikan. Parameter yang ditentukan adalah: tegangan, arus, daya aktif, semu, reaktif, dan faktor daya existing. Perhitungan nilai capacitor bank dilakukan untuk mengompensasi nilai faktor daya yang masih di bawah standar. ETAP digunakan untuk simulasi perbaikan faktor daya. Hasil penelitian menunjukkan bahwa ETAP mampu menyimulasikan perbaikan faktor daya, dibuktikan dengan nilai faktor daya sebelum dan sesudah perbaikan dengan target faktor daya = 0,85 / 85%. Faktor daya meningkat pada BUS 1 dari 0,831 / 83,10% menjadi 0,851 / 85,1%, pada BUS 5 dari 0,715 / 71,5% menjadi 0,852 / 85,2%, pada BUS 9 dari 0,804 / 80,4% menjadi 0,851 / 85,1%. Penelitian ini juga menargetkan faktor daya = 1 / 100% pada semua BUS.

Transformator (Trafo) merupakan komponen utama sistem tenaga Listrik. Gangguan fungsi trafo dapat menyebabkan terjadinya blackout pada sistem tenaga listrik. Trafo bekerja secara kontinu selama dua puluh empat jam sehingga perlu pemeliharaan preventif, korektif maupun prediktif. Salah satu aspek penting pada oli trafo yaitu oli yang berfungsi sebagai pendingin dan isolasi belitan. Kegagalan fungsi trafo banyak disebabkan oleh menurunnya kualitas oli. Artikel ini akan membahas analisis kondisi oli trafo berdasar pengujian Dissolve Gas Analysis (DGA) dan Breakdown Voltage Test (BDV). Tahap penelitian yaitu: 1) Analisis kebutuhan yang dilakukan melalui pengamatan, 2) pengambilan sampel oli trafo, 3) pengukuran dan pengujian DGA dan BDV, 4) analisis data dan 5) rekomendasi. Hasil penelitian menunjukkan bahwa kondisi oli trafo masuk pada status DGA 3 yang diindikasikan adanya peningkatan jumlah gas terlarut yang melebihi batas yang diizinkan. Hasil pengujian tegangan tembus oli trafo juga berada di atas batas standar. Berdasarkan kondisi ini maka perlu dilakukan pemurnian atau penggantian oli untuk memastikan trafo dapat bekerja dengan baik.

Studi ini menganalisis penyebab kegagalan inverter DC-AC dalam sistem back-up daya di Gardu Induk Cibatu. Meskipun telah dilengkapi dengan berbagai sistem proteksi seperti overload, overvoltage, short circuit, dan overtemperature, namun adanya insiden kebakaran menunjukkan kegagalan sistem proteksi tersebut. Dengan menggunakan metode Root Cause Analysis (RCA), yang mencakup inspeksi visual, pengumpulan data, analisis sistem proteksi, dan wawancara, ditemukan bahwa kualitas material yang rendah dan usia komponen yang tua adalah penyebab utama kegagalan. Penelitian merekomendasikan penggantian komponen dengan bahan berkualitas tinggi, peningkatan prosedur pemeliharaan, dan monitoring operasional yang lebih ketat.

Abstract This study investigates the causes and countermeasures of cybercrime vulnerabilities, specifically focusing on selected 16 Ethiopian university websites. This study uses a cybersecurity awareness survey, and automated vulnerability assessment and penetration testing (VAPT) technique tools, namely, Nmap, Nessus, and Vega, to identify potential security threats and vulnerabilities. The assessment was performed according to the ISO/IEC 27001 series of standards, ensuring a comprehensive and globally recognized approach to information security. The results of this study provide valuable insights into the current state of cybersecurity in Ethiopian universities and reveals a range of issues, from outdated software and poor password management to a lack of encryption and inadequate access control. Vega vulnerability assessment reports 11,286 total findings, and Nessus identified a total of 1749 vulnerabilities across all the websites of the institutions examined. Based on these findings, the study proposes counteractive measures tailored to the specific needs of each identified defect. These recommendations aim to strengthen the security posture of the university websites, thereby protecting sensitive data and maintaining the trust of students, staff, and other stakeholders. The study emphasizes the need for proactive cybersecurity measures in the realm of higher education and presents a strategic plan for universities to improve their digital security.